Alternative a AnythingLLM: cosa migra davvero quando cambi

L'alternativa giusta ad AnythingLLM dipende da quale delle sue tre edizioni stai abbandonando — Desktop, Docker self-hosted o Cloud — perché presentano problemi diversi. Open WebUI e LibreChat sono gli equivalenti più vicini per una chat multiutente sui documenti; RAGFlow è la scelta quando il problema è la qualità del recupero; Onyx è adatto alla ricerca aziendale basata sui connettori; LM Studio e Jan sono adatti a chi voleva soltanto una finestra di chat locale.

La parte che gli elenchi del brand omettono è il costo del trasferimento. AnythingLLM esporta la cronologia delle chat e nient'altro, nessuna alternativa qui documenta un importer per questi dati e lo strumento che stai abbandonando non è in difficoltà — Mintplex-Labs/anything-llm è MIT, non è archiviato, contiene commit sul branch predefinito fino al 17 settembre 2026 e v1.16.1 è stata pubblicata il 27 agosto 2026 (GitHub API, verificata nuovamente il 21 settembre 2026). Hai quindi tempo per fare le cose correttamente.

Perché le persone abbandonano AnythingLLM e quale edizione stanno abbandonando

Quattro lamentele spiegano la maggior parte dei casi e ciascuna è una caratteristica documentata di un'edizione specifica, non un difetto generale.

Leggi la pagina sulle limitazioni del cloud, la panoramica di Desktop e la pagina dei prezzi il 19 settembre 2026. Prima di confrontare qualsiasi cosa, considera due trappole di denominazione. Le superfici proprietarie di AnythingLLM non concordano sui nomi dei livelli — la pagina dei prezzi dice Basic e Pro, la documentazione dice Starter e Professional e nulla li riconcilia — quindi verifica quale livello è associato al tuo account. Inoltre, "Pro" identifica due prodotti non correlati: Cloud Pro a $99/mensile e AnythingLLM Desktop Pro, una chiave di licenza per Desktop v1.15.0 e successive. La pagina Desktop Pro ne descrive le funzionalità ma non pubblica alcun prezzo, e anythingllm.com/pro restituisce 404, quindi qualsiasi cifra associata a quel nome proviene da un'altra fonte. Per Cloud Basic o Pro non sono pubblicati nemmeno il numero di postazioni, la quota di archiviazione o la quota di utilizzo.

Nota cosa non è incluso in quell'elenco: il costo dei modelli stessi. Questa spesa non scompare qualunque strumento self-hosted tu scelga, perché ognuno di essi prevede che tu fornisca la chiave. Non è però identica — le impostazioni predefinite del recupero differiscono tra questi prodotti e determinano quanto contesto accompagna ogni domanda.

Quale alternativa è adatta a quale esigenza

Prezzi e metadati dei repository verificati il 19 settembre 2026 tramite la pagina enterprise di Open WebUI, librechat.ai, onyx.app/pricing, ragflow.io, dify.ai/pricing, il post sulla licenza di LM Studio, msty.ai/pricing e la GitHub API. Tre avvertenze. I prezzi di RAGFlow di $29 e $129 sono valori promozionali mostrati barrati a partire da $59 e $259, senza una data di fine indicata, e la pagina non definisce mai cosa acquista uno dei suoi "crediti". La clausola sul branding di Open WebUI, esplicitata nella sua pagina delle licenze e nel repository LICENSE, è il dettaglio che la maggior parte delle persone non nota: mantenere intatto il branding è il percorso gratuito, mentre rimuoverlo o alterarlo è consentito solo quando la distribuzione ha cinquanta o meno utenti finali in un qualsiasi periodo mobile di trenta giorni, quando disponi di una specifica autorizzazione scritta preventiva del titolare del copyright o in presenza di una licenza enterprise. Inoltre Onyx è un nome fortemente ambiguo — solo onyx.app può fornire i prezzi di Onyx; una ricerca senza il dominio restituisce un'utilità di manutenzione per macOS, un fornitore di RIP per la stampa e diverse altre aziende.

Quattro progetti non corrispondono a quanto affermano gli articoli più vecchi

Gli elenchi delle alternative invecchiano più rapidamente dei prodotti che contengono. Questi quattro sono ancora ampiamente consigliati e non dovrebbero entrare nella shortlist senza conoscerne lo stato attuale, verificato il 19 settembre 2026.

Un altro progetto da trattare con cautela: il repository di Quivr ora reindirizza a un'organizzazione GitHub diversa e il suo README descrive una libreria core RAG anziché un'applicazione per utenti finali. Non è stato trovato alcun annuncio datato che spieghi lo spostamento, quindi questo è un fatto relativo al reindirizzamento, non a un'acquisizione.

Cosa migra e cosa no

Questo è il costo che dovrebbe determinare la tua shortlist ed è lo stesso per ogni destinazione di questa pagina.

Cosa viene con te: la cronologia delle chat, in esattamente quattro formati — CSV, JSON, JSONL e JSON (Alpaca) — servita dall'endpoint /system/export-chats di AnythingLLM. Questo è l'elenco completo dei tipi di esportazione presenti nel codice distribuito.

Cosa non viene con te: tutto il resto. È stata cercata nella documentazione di AnythingLLM un'esportazione dei documenti, un'esportazione dei vettori o una procedura documentata di backup e ripristino, ma non ne è stata trovata alcuna. Si tratta di assenza di prove, non della dimostrazione dell'impossibilità — ma non puoi pianificare una migrazione basandoti su un percorso non documentato. Per workspace, embedding e documenti stessi non esiste un percorso documentato di esportazione. Le stringhe di importazione del Community Hub trasferiscono le competenze degli agenti, i prompt di sistema e i comandi slash — i tre tipi di elementi che la documentazione indica come supportati — ma solo tra istanze AnythingLLM e nelle installazioni self-hosted gli import delle competenze falliscono se non è impostato COMMUNITY_HUB_BUNDLE_DOWNLOADS_ENABLED. Nessuna alternativa di questa pagina documenta un importer per i dati di AnythingLLM; è proprio questo che ho verificato nella documentazione di ciascun prodotto. LibreChat è l'unico a documentare un importer di conversazioni, e le fonti che indica sono ChatGPT, Claude e ChatbotUI v1 — non AnythingLLM.

La migrazione significa quindi reimportazione, e la reimportazione ha un prerequisito imprescindibile: i file sorgente originali devono esistere al di fuori dell'app. In pratica:

1. Esporta prima la cronologia delle chat, mentre l'istanza è ancora in esecuzione. È l'unica esportazione disponibile in AnythingLLM e costituisce la registrazione di ciò che le persone hanno effettivamente chiesto — utile in seguito per valutare se la sostituta risponde altrettanto bene.
2. Raccogli i documenti originali da dove provengono — l'unità condivisa, il wiki, il sistema di ticket — non dall'interno di AnythingLLM.
3. Copia la cartella di archiviazione di Desktop in un archivio a freddo prima di disinstallare qualsiasi cosa. I percorsi documentati sono /Users/<usr>/Library/Application Support/anythingllm-desktop/storage su macOS, ~/.config/anythingllm-desktop/storage/ su Linux e C:\Users\<usr>\AppData\Roaming\anythingllm-desktop\storage su Windows; al suo interno, anythingllm.db è il database SQLite. Considera questa copia esclusivamente come un backup: la documentazione non fornisce istruzioni per la migrazione, il backup o il ripristino, e in questa sede non è stato verificato se la cartella possa essere trasferita su un altro computer o in Docker.
4. Avvia la sostituta accanto alla vecchia istanza e reimporta i dati. Poi poni a entrambe le istanze dieci domande di cui conosci già le risposte e confrontale. Le impostazioni predefinite del recupero differiscono tra questi prodotti, quindi lo stesso corpus non garantisce le stesse risposte.
5. Per tornare indietro, non fare nulla. Mantieni AnythingLLM in esecuzione finché il passaggio 4 non ha esito positivo; AnythingLLM archivia per impostazione predefinita i vettori in una LanceDB sull'istanza, quindi il vecchio indice si trova sul tuo disco, non in un servizio che hai annullato.

Indirizzare il nuovo client a un endpoint del modello

Ognuno dei sette prodotti seguenti accetta un endpoint di terze parti in un proprio campo provider e ognuno presenta un requisito diverso. In tutti i casi il campo è compatibile con OpenAI; Jan e LibreChat supportano anche il formato Anthropic Messages, se richiesto. LM Studio e Msty Studio sono volutamente assenti da questa tabella: per nessuno dei due è stato stabilito un percorso documentato verso un endpoint remoto. Questo è il passaggio di riconfigurazione e conoscere in anticipo il requisito è ciò che lo mantiene breve.

Ogni requisito sopra è citato dalla pagina di configurazione del prodotto stesso: provider OpenAI (generico) di AnythingLLM, guida OpenAI-compatibile di Open WebUI, riferimento per endpoint personalizzati di LibreChat, pagina del provider di inferenza personalizzato di Onyx, configurazione della chiave API del modello di RAGFlow, pagina degli endpoint personalizzati di Jan e README di PrivateGPT.

Un limite da chiarire prima di configurare qualsiasi cosa. In AnythingLLM, LibreChat, RAGFlow, Dify e Cherry Studio l'embedder viene registrato come provider separato dal modello di chat, con il proprio percorso di base e la propria chiave. Kunavo non fornisce alcun modello di embedding né alcun modello di sintesi vocale, quindi puntare un embedder su di esso restituisce un errore «model is not available». I completamenti chat sono l'unica fase di una pipeline RAG a cui Kunavo può rispondere. Lascia l'embedder sul modello locale incluso oppure su un provider separato:

# Chat goes to an OpenAI-compatible endpoint.
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY='sk-...'
GENERIC_OPEN_AI_MODEL_PREF='claude-haiku-4-5'
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=200000

# Embeddings do NOT. Kunavo serves no embedding model, so the
# embedder stays on the bundled local one (or another vendor).
EMBEDDING_ENGINE='native'
EMBEDDING_MODEL_PREF='Xenova/all-MiniLM-L6-v2'

Questa separazione non è una peculiarità di AnythingLLM: l'API RAG di LibreChat ha il proprio EMBEDDINGS_PROVIDER e il proprio RAG_OPENAI_BASEURL, mentre RAGFlow, Dify e Cherry Studio registrano ciascuno i modelli di embedding in un punto diverso dai modelli di chat. Considera separatamente anche i budget delle due parti. Per il lato di recupero, consulta Implementazione RAG; per sapere cosa copre e cosa non copre la superficie compatibile, consulta API compatibile con OpenAI.

Quanto costa un mese di chat dopo il passaggio

Il client è gratuito in quasi tutte le righe sopra, quindi il valore ricorrente sono i token. Si tratta di un calcolo esemplificativo dei token, non di un costo misurato né di un limite massimo di fatturazione. Supponiamo che un piccolo team ponga 1.200 domande al mese, con ogni turno che invia 6.000 token di input (chunk recuperati, prompt di sistema e un po' di cronologia) e restituisce 500 token di output: 7,2 milioni di token di input e 0,6 milioni di token di output al mese. Le tariffe sono i prezzi attuali del catalogo Kunavo per milione di token.

Due considerazioni. Primo, con questa configurazione la scelta del modello modifica la fattura di un fattore di circa 2,0 tra la riga più economica e quella più costosa, mentre le impostazioni di recupero che determinano quanti chunk confluiscono nei 6.000 token di input vengono configurate nel client, non nel provider: quindi ottimizza il client prima di cercare tariffe migliori. Secondo, confronta questo dato con i costi di hosting: un piano Cloud da 50 $ al mese include l'hosting ma richiede comunque di fornire la chiave, quindi il confronto è hosting più token contro il tuo host Docker più gli stessi token.

L'importo del catalogo Kunavo è una soglia minima di fatturazione, non un limite massimo: quando il servizio upstream comunica il proprio addebito, la fattura è il maggiore tra il costo del catalogo e il costo upstream moltiplicato per il markup applicabile. Gli addebiti per la cache, le chiamate per immagini o video e qualsiasi costo dell'embedder sostenuto altrove sono esclusi da questo esempio. La ricarica minima è $10 di credito prepagato: una soglia di finanziamento, non una tariffa per attività né un abbonamento. Consulta i dettagli sulla fatturazione.

Configurazione del sostituto

Se scegli Open WebUI, Kunavo pubblica un riferimento di configurazione dedicato: la guida alla configurazione di Open WebUI. Si tratta di un documento di configurazione pubblicato, non di un test di compatibilità: nessuno dei client di questa pagina è stato testato in esecuzione con l'endpoint Kunavo e tutto quanto sopra è stato ricavato dalla documentazione, dai file di licenza, dal codice pubblicato e dai metadati dei repository dei rispettivi progetti. Mantieni disponibile un percorso funzionante mentre provi, esegui un'attività con limiti definiti e poi verifica l'addebito effettivamente registrato dal tuo account. Crea un account Kunavo quando sei pronto a finanziare una chiave.

Stai ancora decidendo tra due strumenti specifici invece che sull'intero panorama? AnythingLLM vs Open WebUI mette a confronto diretto la coppia più simile, mentre LibreChat vs Open WebUI copre l'altra rosa comune. Ottimizzazione dei costi dell'IA illustra come ridurre il lato dei token dopo la scelta.

Domande frequenti

Pagine dei prezzi dei provider, documentazione dei prodotti, file di licenza, codice pubblicato e metadati dei repository per ogni progetto citato sopra, verificati il 19 settembre 2026 e ricontrollati il 21 settembre 2026, esclusivamente da fonti ufficiali. Le tariffe dei token Kunavo provengono dal catalogo attuale e ogni esempio in dollari qui riportato è un calcolo esemplificativo dei token, non un costo misurato. Nessun client di questa pagina è stato testato in esecuzione con l'endpoint Kunavo.